云计算环境下面向调度优化时效的预测方法研究与实现

发布时间：2025-03-30 03:36

　　云计算的任务调度和资源分配一直是当前云计算研究的热点。随着大数据和物联网的发展,如何在最短时间内寻找最优结果是云计算调度分配的核心问题。当前各种改进算法仍然是在算法复杂度和性能之间寻找平衡,并不能从根本上解决该矛盾。针对上述问题,利用深度学习模型训练群组优化调度后的数据来实现对调度结果的直接预测是一条可行的路径。但是由于深度学习复杂的层次结构和数量众多的神经元节点,导致其训练时间比传统的机器学习更长,如何提高训练速度优化深度学习模型是须解决的现实问题。论文主要从两个方面研究,一是从研究优化调度算法的角度以获取更精确的训练样本,另一个方面是从研究改进深度学习模型的角度以提高训练速度。具体工作如下:(1)针对云计算任务调度问题,建立了基于任务最短执行时间的调度模型。(2)针对调度优化效果问题,研究了两种优化算法。在鸟群算法的基础上结合差分进化算法并根据鸟群中个体飞入飞出群体的行为,提出改进型鸟群算法(ISBSA)。在新蝙蝠群算法的基础上加入动态因子,二阶震荡以及差分进化算法等三种改进方式。提出改进型新蝙蝠群算法(ONBA),并使用这两种改进的算法求解本文提出的多目标问题。同时对两种改进算法的...

【文章页数】：97 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 云计算国内外研究现状
        1.2.2 深度学习
    1.3 存在的问题与拟解决方法
    1.4 本文的研究内容
    1.5 论文组织结构
    1.6 本章小结
第2章 相关研究与关键技术
    2.1 云计算与任务调度的相关介绍
        2.1.1 云计算的定义
        2.1.2 云计算的分类和关键技术
        2.1.3 云计算任务调度
    2.2 常用的资源调度算法研究
        2.2.1 传统的资源调度算法
        2.2.2 智能化的调度算法
    2.3 深度学习
    2.4 本章小结
第3章 面向任务最短执行时间的算法优化
    3.1 云计算资源调度的目标
    3.2 云计算调度模型的分析与建立
    3.3 改进鸟群算法和新蝙蝠群算法
        3.3.1 改进的鸟群算法
        3.3.2 新蝙蝠群算法
        3.3.3 改进鸟群算法仿真
        3.3.4 改进新蝙蝠群算法仿真
        3.3.5 ONBA和ISBSA算法对比分析
    3.4 本章小结
第4章 面向优化时效的改进深度学习模型
    4.1 引言
    4.2 RBM训练改进
    4.3 模型训练次数的改进
    4.4 BP算法中学习率的改进
    4.5 深度学习模型改进仿真
    4.6 本章小结
第5章 实验仿真及结果分析
    5.1 引言
    5.2 深度学习预测调度仿真
        5.2.1 深度学习对于ONBA调度结果的预测
        5.2.2 深度学习对于ISBSA调度结果的预测
        5.2.3 深度学习对于传统调度结果的预测
    5.3 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读学位期间的科研项目和学术论文



本文编号：4038131